Das Effizienzversprechen: Warum KI die Arbeit verdichtet statt sie zu erleichtern

Lädt...

▶ 0:00 14:15 0.5x 0.75x 1.0x 1.25x 1.5x 1.75x 2.0x 🔊

KI-generiert

Wenn das Werkzeug die Arbeit verdichtet

KI sollte den Arbeitstag kürzer machen. Stattdessen dehnt sie ihn aus.

Eine Feldstudie der UC Berkeley begleitete ein Technologieunternehmen acht Monate lang. Das Ergebnis widerspricht dem Effizienzversprechen der KI-Branche: Beschäftigte, die mit generativer KI arbeiten, werden schneller — aber nicht freier. Sie übernehmen mehr Aufgaben, arbeiten in die Pausen hinein und füllen jede gewonnene Minute sofort mit neuen Projekten. Die Forscherinnen nennen das „Workload Creep“: eine schleichende Arbeitsverdichtung, die niemand anordnet.

Das Muster zeigte sich überall. Ein Entwickler schrieb Code, während die KI parallel eine Alternative generierte. Eine Produktmanagerin erledigte Aufgaben, die sie vorher nie angefasst hätte — „weil die KI ja helfen kann“. Die Arbeitstage wurden dichter. Nicht länger auf dem Papier. Aber voller.

Wer Milliarden in Effizienz-Tools investiert, erwartet Entlastung. Was die Forschung zeigt, ist etwas anderes: eine Steigerungslogik, die sich selbst antreibt. Je mehr KI kann, desto mehr verlangen Beschäftigte von sich selbst. Die Grenze zwischen Können und Sollen verschwimmt — ohne dass jemand sie verschiebt.

Dieser Artikel untersucht drei Mechanismen, die aus Produktivitätsgewinn Erschöpfung machen. Er fragt, warum Organisationen diesen Prozess bisher kaum steuern. Und was Beschäftigte, Teams und Betriebsräte tun können, bevor die Verdichtung kippt.

Acht Monate in einem Tech-Unternehmen

Montagmorgen, neun Uhr. Der Laptop geht auf, drei Fenster sofort. Slack links, das Projektboard rechts, in der Mitte ein Dokument, an dem seit Freitag niemand weitergeschrieben hat. Aber heute ist das anders. Heute hilft die KI.

Der erste Entwurf für den Statusbericht steht nach vier Minuten. Normalerweise dauert das eine halbe Stunde. Die gewonnene Zeit füllt sich sofort: ein Code-Review, das seit Tagen liegen geblieben ist. Die KI generiert parallel einen Alternativvorschlag. Während der lädt, öffnet sich das nächste Fenster — eine Analyse, die eigentlich nicht zum eigenen Aufgabenbereich gehört. Aber die KI kann das ja schnell erledigen.

Mittags das Gefühl: produktiv wie selten. Drei Aufgaben gleichzeitig, alles bewegt sich. Abends das Gefühl: leer. Nicht körperlich müde. Eher so, als hätte jemand den ganzen Tag an der kognitiven Kapazität gezogen, ohne dass es einen Moment der Ruhe gab.

Genau dieses Muster beobachteten Aruna Ranganathan und Xingqi Maggie Ye. Die beiden Forscherinnen der UC Berkeley verbrachten acht Monate in einem Technologieunternehmen mit rund 200 Beschäftigten. Keine Umfrage, keine Fragebögen. Ye war zwei Tage pro Woche vor Ort, beobachtete Meetings, las interne Kommunikation, führte über 40 Interviews. Was sie fanden, veröffentlichten sie im Februar 2026 in der Harvard Business Review.

Die Beschäftigten arbeiteten schneller. Sie übernahmen Aufgaben, die vorher außerhalb ihres Zuständigkeitsbereichs lagen. Sie dehnten die Arbeit in Randzeiten aus — nicht weil jemand es verlangte, sondern weil sie es konnten. Die KI gab ihnen das Gefühl, einen „Partner“ zu haben, der mithält. Dieses Gefühl erzeugte Momentum. Und das Momentum erzeugte Verdichtung.

Ein Ingenieur brachte es auf den Punkt: „Du dachtest, weil du mit KI produktiver bist, sparst du Zeit. Aber dann arbeitest du nicht weniger. Du arbeitest gleich viel oder sogar mehr.“¹

Niemand ordnete die Mehrarbeit an. Kein Manager sagte: „Mach jetzt auch noch die Analyse.“ Die Verdichtung entstand von innen. Die KI senkte die Hürde für komplexe Aufgaben — und die Beschäftigten sprangen darüber, weil sie es plötzlich konnten. Kein Befehl, keine Restrukturierung. Nur ein Werkzeug, das Kapazität freisetzt, und eine Arbeitskultur, die sofort zugreift.

Was im Silicon Valley begann, zeigt sich längst anderswo. In Redaktionen, Verwaltungen, Industrieunternehmen. Überall dort, wo generative KI in den Arbeitsalltag einzieht, berichten Beschäftigte von derselben Erfahrung: mehr Output, mehr Tempo, weniger Luft.

Wenn das Problem nicht die KI ist, sondern das, was Menschen mit der gewonnenen Kapazität tun — dann reicht es nicht, über Technik zu reden. Dann braucht es eine Theorie, die erklärt, warum moderne Gesellschaften gewonnene Zeit nicht behalten können.